基于分布式量化量测的多传感联合检测和估计融合理论研究

In a variety range of scientific research and practical applications, we are frequently confronted with the joint detection and parameter estimation problem. Along with the widespread use of multi-sensor systems in statistical signal processing area, the research on the joint detection and estimation fusion based on distributed quantized measurements is challenging. Its basis task involves making a decision among multiple hypotheses based on the multi-sensor quantized data, and making the corresponding estimates of some unknown parameters associated with the determined hypothesis. Traditional approaches usually focus on optimizing one aspect while treat another aspect sub-optimal, such as ‘detection then estimation’ and ‘estimation then detection’. Doing so fails to optimize the detection performance and estimation performance simultaneously. In this project, we aim to establish the joint optimization model based on the idea of multi-objective optimization, and developed efficient solution schemes. We also plan to present the metrics to evaluate the performance of joint detection and estimation algorithms on levels of both the computer simulation and the semi-physical platform. Primary research contents include: statistical description of multi-sensor quantized measurements, the joint optimization model construction based on classical multi-objective optimization theory and evolutionary algorithms, solution schemes presenting for the established joint optimization models, theoretical performance analyses, developments of performance criteria and system verification.

在科学研究和实际工程应用领域中，我们常常遇到联合检测与参数估计问题。随着多源探测手段在统计信号处理领域的广泛使用，研究基于分布式量化量测的联合检测与估计融合是一个具有挑战性的课题。其基本任务是：基于多传感器提供的局部量化数据，在候选假设集合中做出一个决策，并对关联该假设模型的未知参数进行相应的融合估计。传统的联合检测和估计求解模型往往基于先检测后估计、或先估计后检测，侧重其一，不能兼顾检测和估计性能的联合优化。本项目拟基于多目标优化思想，构建并求解面向多传感联合检测和估计融合性能的优化模型;并发展联合检测和估计算法性能评估体系，对算法性能进行仿真性能评估与半物理平台演示验证。拟研究的具体内容包括：多传感量化量测统计特性描述、基于经典多目标优化理论及进化算法的联合检测与估计融合优化模型构建、联合检测与估计优化模型求解和理论性能分析，以及联合检测与估计性能评估指标建立和系统验证评估。

本项目针对基于分布式量化量测的联合检测与估计融合问题展开了深入研究，取得了以下创新性成果。.在理论研究方面：.1.研究了多信号联合检测与估计融合问题的建模和求解策略。将原始的多信号联合检测和估计模型扩展到多传感器融合场景，并基于最佳分配提出了一种改进的效用函数，并利用一系列模型变换对原约束优化模型进行了有效的松弛与求解。.2.研究了分布式联合检测和估计融合问题。针对每个假设，分别计算了在精确信道和不精确信道情况下相应的多传感联合似然函数。然后，引入期望效用以评估检测和估计问题的联合性能。接下来，引入基于扩展的接收机工作特性曲线决策机制，实现联合检测和估计融合问题的求解。.3.研究了基于麦克风阵列DOA估计的多声源联合目标数目检测与融合定位问题，提出了一种基于多维分配方法的求解策略。首先，在极大似然意义下，将数据关联问题描述为寻找最大可能量测集合划分问题。然后，通过适当定义关联代价函数，将量测集合划分问题转化为广义多维分配问题，并采用拉格朗日松弛法进行求解。.4.研究了混响和噪声环境下使用麦克风阵列的多声源联合检测和跟踪问题，分别提出了基于鲁棒最小二乘和麦克风选择的自适应的TDOA融合方法以估计出目标位置，并以此作为伪量测并用于后续的跟踪。.5.研究了三维空间基于到达时间差（TDOA）的多源定位问题。利用通道间相位差（IPD）信息构造了关联特征，基于该特征通过序贯求解二维最优分配问题，得到源于同一声源的不同麦克风对之间的TDOA组合。.在实验验证方面： .搭建了一个半物理仿真实验环境，并对该项目所提出的算法性能进行测试，实验结果验证了所提出算法的有效性。项目组累计发表论文21篇，其中国际期刊8篇（SCI检索6篇），会议论文13篇（EI检索11篇）。申请发明专利1项。培养博士研究生3人，硕士研究生6人。研究成果对基于分布式量化量测的多传感联合检测与估计方面的研究具有理论意义，并具有一定的工程推广价值。